港理工许昭教授团队联合川大等Nexus：迈向人工智能普遍化的电力系统 | Cell Press论文速递

研究背景

在过去十余年里，智能电网理念不断演进，成为电力系统迈向数字化与智能化的重要阶段。随着人工智能技术的不断突破，人工智能正从辅助分析工具逐步转变为参与预测、调度、优化与控制等各个核心环节的关键要素。可以预见，未来电力系统的发展将不再仅仅表现为“引入人工智能技术”，而是逐步形成一种以人工智能深度嵌入并持续参与运行逻辑的更高形态智能体系。      

然而，围绕这一演进方向，若干基础性问题仍缺乏系统界定。首先，人工智能在电力系统中究竟应当扮演何种角色？是执行特定任务的算法模块，还是能够跨流程协同、影响整体决策逻辑的主导者或参与者？其次，当人工智能技术不断演进，其是否具备对复杂电力系统物理约束、动态耦合关系及长期运行机制的“理解能力”？这种能力的边界在哪里？在多个人工智能模块协同运行的情境下，系统整体是否仍然保持一致性、可控性与可解释性？更重要的是，当人工智能成为系统运行的重要内生组成部分时，电力系统的结构形态、决策范式与风险生成机制将发生怎样的重构？      

人们虽能预见人工智能广泛嵌入电力系统的趋势，但对于上述问题尚缺乏清晰的概念框架与系统分析，既未明确界定何谓“人工智能泛在”的电力系统，也未充分揭示其整体形态转变及可能衍生的新型系统脆弱性。      

为回应这一认知空白，本研究提出“人工智能泛在电力系统”这一概念，明确其内涵与结构特征，系统剖析人工智能深度嵌入背景下电力系统的形态重构与风险演化机制，并构建相应的分类与评估框架，在此基础上展望未来发展路径与治理方向。

核心内容

1. 概念

人工智能泛在电力系统，并非简单地在既有电网中叠加若干人工智能应用，而是指人工智能从辅助性工具逐步演进为系统运行的内生成分，深度嵌入电力系统的感知、分析、决策与控制全过程，并持续参与相互依赖、嵌套运行的日常调度流程。其本质不在于“应用数量的增加”，而在于运行范式的转变：电力系统由传统以物理显式建模与人工经验为核心的管理体系，转向以数据驱动与学习机制为重要支撑的新型结构。在这一演进过程中，人工智能开始影响的不仅是单个任务的执行效率，更是决策逻辑本身。电力系统由此从“人类主导、算法辅助”的结构，过渡到“人机协同”，甚至迈向“人工智能主导”的管理形态。根据人工智能在核心任务与决策层级中的渗透深度，其演进可划分为三个阶段：在低成熟度阶段，人工智能主要承担非核心分析任务，核心控制仍由传统方法与人工主导；在中成熟度阶段，人工智能参与关键决策流程并形成跨任务交互，系统进入人机协同范式；在高成熟度阶段，人工智能具备跨任务整合与自主决策能力，在最少人力介入下管理高度耦合的运行流程，形成以人工智能为中心的管理体系。

2. 框架

人工智能泛在电力系统的整体框架仍由物理层与网络层构成，但其结构重心已发生根本性转移。物理层依旧承担能量传输与实时平衡等基础功能，而网络层（尤其是能量管理系统）则成为人工智能深度嵌入与协同运作的核心载体。在传统电力系统中，网络层主要依赖显式物理模型、分层优化流程与顺序化调度机制，运行逻辑清晰、步骤分明；但在人工智能泛在电力系统中，能量管理系统内部广泛集成回归型、分类型、决策型与生成型人工智能应用，逐步形成一个高度交互、持续演化的数据驱动运行结构。不同类型的人工智能应用承担不同功能，这些应用并非彼此独立，而是在时空与功能维度上形成紧密耦合，推动系统向整体协同方向演进。在这种结构下，电力系统的运行方式由“分段式、层级化执行流程”逐步转向“跨模块交互、端到端协同”的学习驱动模式。信息流、决策流与控制流更加融合，人工智能开始在系统内部承担更高层级的整合与协调功能，网络层由传统的支撑工具体系，演变为具有自组织与自适应特征的智能运行架构。

3. 脆弱性

人工智能泛在电力系统所面临的新型脆弱性，并非传统意义上由物理扰动引发的设备失效，而是指人工智能深度嵌入并参与核心运行逻辑后，由其隐式学习机制与多模块交互结构所诱发的系统性失配与运行偏移。与基于电磁定律与确定性模型的传统脆弱性不同，这类脆弱性源于数据驱动与统计学习范式本身的不确定性与不可完全验证性。当人工智能从辅助工具演进为决策参与者甚至主导者，其技术特性与复杂电力系统结构之间的张力，成为新型脆弱性产生的根本背景。这种脆弱性并非单点缺陷，而是多层因素在深度融合条件下叠加作用的结果，其根源可归纳为模型局限、学习缺陷、数据问题、网络风险、集成复杂性五个相互关联的方面。为系统评估与管理该新型脆弱性，本研究依据其对系统运行的潜在影响程度构建低、中、高三级分类框架。

4. 愿景

随着人工智能在电力系统中的深度渗透，未来的关键问题不再是“是否应用人工智能”，而是“如何在保证安全与可信的前提下构建人工智能主导的系统形态”。围绕这一目标，本研究提出了三方面的发展愿景。首先，建立系统性的理论与评估框架，在理论层面建立清晰边界，在工程层面形成标准化验证机制，使人工智能泛在电力系统的发展从探索阶段迈向规范化阶段；其次，构建可追溯的排查与协同恢复机制，在发生异常时，应能够快速识别涉及的人工智能模块、判定其影响范围，并协调不同层级的控制机制进行恢复；最后，实现持续更新与自适应演进，使模型能够在保证安全约束的前提下逐步适应新场景。

论文总结

人工智能为电力系统应对高比例新能源接入、复杂运行环境与多目标优化挑战提供了前所未有的技术机遇，其在效率提升、认知增强与自动化水平方面展现出巨大潜力。然而，当人工智能深度嵌入并参与核心决策逻辑时，其隐式学习机制与复杂系统结构之间的张力也随之显现，催生出传统理论难以覆盖的新问题。人工智能泛在电力系统并非简单的技术升级，而是一种运行范式的重构。唯有在推进智能化进程的同时，建立系统性的理论框架与工程验证机制，实现创新与安全的同步演进，方能确保未来电力系统在人工智能驱动下实现稳健、可信的发展。

研究成果发表于Cell Press旗下期刊Nexus，